|
在数据分析技术不断推陈出新、企业数据积累越来越丰富、大数据技术被应用越来越广泛的今天，对比国内外，重视的行业并不相同，我国仍然像之前那样重视信息化的还是像银行金融、互联网、运营商这些行业，而在零售、连锁经营（像百货、酒店、餐饮、药店、超市等）这些容易见效的行业却远不如国外。国外在这方面已经有20年的经验，像我们熟知的沃尔玛、肯德基、星巴克无不是以数据运营精细化管理。
存在问题 由于这几年零售业发展面临的考验越来越严峻，国内一些企业已经开始重视对数据的应用。从这几年的发展来看，大数据挖掘在这些行业的应用主要从在这三方面的问题： 1、数据质量较差，这主要是之前对数据的采集和管理不够重视 2、本身国内在这方面的人才就短缺，而这些行业的福利待遇相对银行、互联网等行业缺乏竞争优势，所以对相关人才的吸收能力不够
3、国内在这些方面的经验积累不够，还需要加大投入探索
解决方法 与具有大数据挖掘经验和实力的服务商合作。这样可以加速企业信息化的推进，避免初期人才不足，在项目合作过程中培养自己的分析团队，将合作方的技术能力和经验转移给自己团队。这也是在这种情况下普遍认同的方法。另外，从数据挖掘这十几年的发展来看，企业初期通过和第三方合作，积累在数据应用方面的经验是非常合理的，但是在经验积累足够时必须要建设自己的数据挖掘团队，数据应用以自己为主导，因为数据挖掘技术与其它技术不同，它是探索研究性技术，需要不断的迭代式创新优化。企业只有拥有了自己的数据挖掘团队，才可以对已经建设的挖掘系统进行不断的优化，不断的开拓新的应用方向。因此，企业在和第三方进行合作时，要有以下三个定位：
为了解决初期人才不足的问题，加快在这方面的发展 借助第三方的能力和经验快速积累经验 在这个过程中借力打造自己的团队
实施经验 零售连锁大会员分析可以分析以下内容
分析主题：
客户挽留： 及时发现流失概率较高的客户，避免客户流失，优化会员管理体系 客户分群： 按照客户的相似性进行分类或分级，实现对客户的360度洞察。 向上迁移; 将消费潜力大的客户转化为优质客户，提供商场的销售额和销售量。
对商品的分析 a.搜寻总购买行为中，同时购买频率较高的品牌组合可能的应用场景包括但不限于：产品打包促销、定向折扣券、精准短信营销； b.购物篮分析来量化顾客购买流程中的先买产品、后买产品的关联规则，为消费者分群推送营销信息； C.根据客户先买与后买产品之间的关系，还能够转化为货架摆放等知识。
| 
